2025_NIPS_SYMPHONY: Synergistic Multi-agent Planning with Heterogeneous Language Model Assembly

文章核心总结与翻译

一、主要内容

文章提出了SYMPHONY多智能体规划框架，旨在解决现有基于大语言模型（LLMs）的单智能体规划方法中探索多样性不足、易陷入局部最优的问题。该框架融合异构LLM智能体池与蒙特卡洛树搜索（MCTS），通过自适应调度、记忆共享和熵调制评估等机制，在多跳推理（HotpotQA）、序列决策（WebShop）和代码生成（MBPP）三大基准任务中实现了性能与效率的双重提升。框架支持两种部署模式：SYMPHONY-S基于消费级硬件可运行的开源模型，SYMPHONY-L则集成云端API调用的大型模型，均展现出优于现有基线的表现。

二、核心创新点

1. 异构智能体池：整合不同预训练来源、推理风格的LLM，引入结构性多样性，减少单一模型偏见，提升复杂任务的互补推理能力。
2. UCB驱动的智能体调度：基于历史性能动态分配智能体，平衡探索与利用，优化多智能体协作效率。
3. 池级记忆共享：通过自然语言反思记录失败经验并在智能体间共享，无需参数更新即可实现行为自适应。
4. 熵调制置信评分（EMCS）：利用伯努利分布熵校准价值估计，抑制不确定预测的影响，提升评估稳定性。

---

三、关键部分翻译（Markdown格式）

Abstract

近年来的